Unsicherheitsabschätzung durch Antwortskalierung zur Minderung von Pseudo-Maskenrauschen in schwach überwachten semantischen Segmentierungen

Schwach überwachte semantische Segmentierung (WSSS) segmentiert Objekte ohne die schwere Belastung durch dichte Annotationen. Allerdings existieren als Preis dafür in den erzeugten Pseudo-Masken offensichtliche rauschende Pixel, die zu suboptimalen Segmentierungsmodellen führen, die auf diesen Pseudo-Masken trainiert wurden. Nur selten befassen sich Studien mit diesem Problem, obwohl diese rauschenden Pixel nach ihren Verbesserungen an der Pseudo-Maske unvermeidlich sind. Daher versuchen wir, WSSS im Hinblick auf die Rauschminderung zu verbessern. Wir beobachten, dass viele rauschende Pixel hohe Konfidenzwerte aufweisen, insbesondere wenn der Antwortbereich zu breit oder zu eng ist, was einen unsicheren Status darstellt. In diesem Papier simulieren wir rauschende Variationen der Antwort, indem wir die Vorhersagekarte mehrfach skalieren zur Unsicherheitsabschätzung. Die Unsicherheit wird dann verwendet, um den Segmentierungsverlust zu gewichten und rauschende Überwachungssignale zu mildern. Wir nennen diese Methode URN, abgekürzt von Unsicherheitsabschätzung durch Antwortskalierung zur Rauschminderung. Experimente validieren die Vorteile von URN, und unsere Methode erzielt eine Spitzenleistung von 71,2 % und 41,5 % auf PASCAL VOC 2012 bzw. MS COCO 2014, ohne zusätzliche Modelle wie Salienz-Detektion. Der Code ist verfügbar unter https://github.com/XMed-Lab/URN.